通过神经波形的傅里叶系数设计具有非有限输出维度的模型
机器学习
2022-12-09 v1
摘要
普通深度学习模型要求其输出维度在训练与运行前由人类从业者预先确定。对于设计任务，这对神经网络所生成设计的最大复杂度施加了硬限制，若允许更高复杂度可带来更优设计，则此限制不利。本文中，我们引入一种从神经网络获取非有限维度输出的方法：通过学习“神经波形”，并将其傅里叶级数表示的系数作为输出。随后我们给出实验证据，表明神经网络能在此设定下的一个玩具问题上学习。
引用
@article{arxiv.2212.04351,
title = {Designing with Non-Finite Output Dimension via Fourier Coefficients of Neural Waveforms},
author = {Jonathan S. Kent},
journal= {arXiv preprint arXiv:2212.04351},
year = {2022}
}
备注
3 pages, 4 figures